050038 VU Scientific Data Management (2015S)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 02.02.2015 09:00 bis Mo 23.02.2015 23:59
- Abmeldung bis So 15.03.2015 23:59
Details
max. 50 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Freitag 06.03. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 13.03. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 20.03. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 27.03. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Mittwoch 15.04. 18:30 - 21:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 17.04. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 24.04. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 08.05. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Montag 11.05. 19:00 - 21:00 PC-Unterrichtsraum 6, Währinger Straße 29 2.OG
- Freitag 15.05. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 22.05. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 29.05. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 05.06. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 12.06. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 19.06. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 26.06. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Alle Projekte termingerecht und vollstaendich geloest zu haben und bei der Abgabe diese erklaeren zu koennen; mindestens 50% der moeglichen Abschlusstestpunkte zu erreichen; Abschlusstest findet am 26. Juni 2015 statt.
Mindestanforderungen und Beurteilungsmaßstab
Vermittlung von Kenntnissen über die wesentlichen Datenstrukturen des Scientific Computing und der Organisation wissenschaftlicher Information in einem Scientific Data Repository (Data Warehouse, Datenbank, Datei oder in verteiltem Datenmanagementsystem). Die Studierenden erwerben durch praktische Projektarbeit die Fähigkeit zum Einsatz dieser Systeme in Scientific Computing und zur Informationsbeschaffung & Wissensauffindung mittels geeigneter Abfragekalküle und Algorithmen.
Prüfungsstoff
Jeder Vorlesungsblock wird mit einem praktischen Projekt verbunden werden. Die Projekte werden im Kontext einer modernen Programmierumgebung entwickelt werden.
Literatur
In jedem Foliensatz befindet sich die entsprechende empfohlene Literaturliste.
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Mo 07.09.2020 15:29
Data Science Paradigmen, Ziele und Methoden von Scientific Data Management, BIG Data paradigm und verwandte Technologien (Map/Reduce, Hadoop, usw.), Eingenschaften und Taxonomie von modernen datenintensiven wissenschaftlichen Anwendungen, wissenschaftliche Datenbibliotheken und Datenbanken (relationale, objektorientierte und XML), Web-Datenextraktion-Techniken, Data Stream Management und Analyse, Architektur verteilter Datenbanken und Modelle (Verteilung, Heterognität, Autonomie), Fragmentierung, Abfragenoptimierung, parallele Datenbanksysteme, föderierte Datenbanken, strukturelle und semantische Datenintegration, Datencuration, paralleles und verteiltes Datawarehousing, Datenbanken im Grid und Cloud, Scientific Streaming Cloud, Datenvorbereitung für die Analyse, Wissensfindungs-Techniken (sequentielle, parallele und verteilte), datenintensive wissenschaftliche Workflows, Provenance- und Dataspace-basierte wissenschaftliche Forschung.